[發明專利]一種農作物遙感分類方法及系統在審
| 申請號： | 202210281699.8 | 申請日： | 2022-03-21 |
| 公開（公告）號： | CN114841231A | 公開（公告）日： | 2022-08-02 |
| 發明（設計）人： | 歐陽斌 | 申請（專利權）人： | 賽思倍斯（紹興）智能科技有限公司 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06V20/10;G06N3/08;G06V10/764;G06V10/82 |
| 代理公司： | 中國航天科技專利中心 11009 | 代理人： | 高志瑞 |
| 地址： | 311800 浙江省紹*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 農作物 遙感 分類 方法 系統 | ||
1.一種農作物遙感分類方法，其特征在于包括：
步驟S100：獲取目標區的時間序列遙感影像，進行預處理得到多時相的遙感影像；其中，時間序列的時相數為n；
步驟S200：對每個時相的遙感影像進行云和陰影的檢測，得到時間序列的云和陰影掩膜二值圖；
步驟S300：對每個時相的遙感影像進行植被提取，得到時間序列的植被分布二值圖；
步驟S400：從時間序列的云和陰影掩膜二值圖中計算得出所有時相均無云和陰影的區域，記為AOI區域；根據時間序列的植被分布二值圖對目標區的時間序列遙感影像落在AOI區域的所有像元進行多時相植被合成得到多時相植被類型；
步驟S500：計算每種多時相植被類型所占的AOI區域的面積百分比，若該百分比小于設定閾值T時，則判定為無效類型；否則為有效類型；
步驟S600：對于每一種有效類型，計算該有效類型對應的多時相遙感影像落在AOI區域內的平均光譜，作為該有效類型的多時相特征光譜，構成監督分類光譜庫；
步驟S700：使用監督分類光譜庫對AOI區域以外的區域以及AOI區域內的無效類型區域進行逐像元的選擇性監督分類得到待分類光譜矢量V1和特征光譜矢量集合；
步驟S800：計算待分類光譜矢量V1和特征光譜矢量集合中的每條特征光譜之間的歐氏距離，取歐氏距離最小的特征光譜所在的有效類型作為待分類像元的有效類型。
2.根據權利要求1所述的農作物遙感分類方法，其特征在于還包括：
步驟S900：在預先知道目標區不同作物的播種期和收獲期的基礎上，結合多時相的遙感影像的采集日期，將不同的有效類型指定為不同的農作物類型；
步驟S1000：建立目標區的有效類型和農作物類型之間的映射查找表。
3.根據權利要求1所述的農作物遙感分類方法，其特征在于：在步驟S400中，多時相植被類型通過如下公式得到：
其中，C為多時相植被類型，Pi為第i時相的植被分布二值圖，n為時間序列的時相數，i為時相的序號。
4.根據權利要求3所述的農作物遙感分類方法，其特征在于：多時相植被類型的種類數量為：N＝2n。
5.根據權利要求3所述的農作物遙感分類方法，其特征在于：在步驟S500中，有效類型的數量為：Ne≤N；其中，Ne為有效類型的數量，N為多時相植被類型的種類數量。
6.根據權利要求1所述的農作物遙感分類方法，其特征在于：在步驟S600中，監督分類光譜庫中的每一條特征光譜具有b*n個特征，并具有一個類型標簽C；其中，b為單一時相遙感圖像的波段數量。
7.根據權利要求1所述的農作物遙感分類方法，其特征在于：在步驟S700中，使用監督分類光譜庫對AOI區域以外的區域以及AOI區域內的無效類型區域進行逐像元的選擇性監督分類得到待分類光譜矢量V1和特征光譜矢量集合包括如下步驟：
對于某個待分類像元，首先從時間序列的云和陰影掩膜二值圖中獲取待分類像元的無云和陰影的時相，繼而從多時相的遙感影像中抽取無云和陰影時相的待分類像元的光譜反射率值，構成待分類光譜矢量V1；
對于每一種有效類型，從光譜庫中提取待分類像元的對應的無云和陰影時相的特征光譜矢量集合。
8.根據權利要求1所述的農作物遙感分類方法，其特征在于：所述特征光譜矢量集合包括Ne條特征光譜。
9.根據權利要求2所述的農作物遙感分類方法，其特征在于：在步驟S900中，農作物在播種前至播種后一個月之內均為非植被，播種后一個月至收獲前均為植被，收獲后均為非植被。
10.一種農作物遙感分類系統，其特征在于包括：
第一模塊，用于獲取目標區的時間序列遙感影像，進行預處理得到多時相的遙感影像；其中，時間序列的時相數為n；
第二模塊，用于對每個時相的遙感影像進行云和陰影的檢測，得到時間序列的云和陰影掩膜二值圖；
第三模塊，用于對每個時相的遙感影像進行植被提取，得到時間序列的植被分布二值圖；
第四模塊，用于從時間序列的云和陰影掩膜二值圖中計算得出所有時相均無云和陰影的區域，記為AOI區域；根據時間序列的植被分布二值圖對目標區的時間序列遙感影像落在AOI區域的所有像元進行多時相植被合成得到多時相植被類型；
第五模塊，用于計算每種多時相植被類型所占的AOI區域的面積百分比，若該百分比小于設定閾值T時，則判定為無效類型；否則為有效類型；
第六模塊，用于對于每一種有效類型，計算該有效類型對應的多時相遙感影像落在AOI區域內的平均光譜，作為該有效類型的多時相特征光譜，構成監督分類光譜庫；
第七模塊，用于使用監督分類光譜庫對AOI區域以外的區域以及AOI區域內的無效類型區域進行逐像元的選擇性監督分類得到待分類光譜矢量V1和特征光譜矢量集合；
第八模塊，用于計算待分類光譜矢量V1和特征光譜矢量集合中的每條特征光譜之間的歐氏距離，取歐氏距離最小的特征光譜所在的有效類型作為待分類像元的有效類型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于賽思倍斯（紹興）智能科技有限公司，未經賽思倍斯（紹興）智能科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210281699.8/1.html，轉載請聲明來源鉆瓜專利網。
